גולדמן זאקס על עתיד ה-AI: המעבר ממרדף אחרי מודלים למבחן ה-ROI והרווחיות

סקירה טיפה ארוכה, ניסיתי לתמצת כמה שאפשר אבל חשובה מאוד חברים , סופר חשובה בשביל להבין בכלל מה קורה בעולם שלנו:

GS:

1. השינוי המרכזי בנרטיב: השוק עובר מעידן של "מרדף בלתי מוגבל אחר יכולות" (התמקדות בשאלה למי יש את המודל החזק ביותר) להתמקדות קריטית ב"מונטיזציה (הפקת ערך כספי), כוח תמחור והחזר על ההשקעה (ROI)".

2. "שאלת הטריליון דולר": המתח המרכזי בשוק כרגע הוא האם הירידה המהירה בעלויות של בינה מלאכותית (דפלציית טוקנים) תוביל בסופו של דבר לביקוש מצטבר עצום, או שמא היא פשוט תחסל את כוח התמחור של מפתחות המודלים.

3. הכוח של ניתוב מודלים (Model Orchestration): ניסויים אחרונים (כמו ניתוב שאילתות דרך OpenRouter) מוכיחים כי שילוב וניתוב של מספר מודלים זולים, מבוססי קוד פתוח או מודלים קלים, יכולים להשתוות בביצועיהם למודלי קצה סגורים ומובילים – ובערך בחצי מהעלות.

4. קומודיטיזציה (הפיכה למוצר מדף) של הבינה: העלייה של מודלי קוד פתוח באיכות גבוהה מייצרת לחץ דפלציוני חריף על מחירי ה-APIs, מה שמקשה מאוד על מעבדות AI קנייניות (קוד סגור) לשמר מחירי פרימיום.

5. שחיקת שולי הרווח ב-SaaS: מאחר שעלויות ה-AI הבסיסיות צונחות במהירות, חברות תוכנה ארגוניות (SaaS) מתקשות לגבות מחירי פרימיום על תכונות AI משולבות, מה שמאיים על נרטיב שולי הרווח הגבוהים שהשוק כבר תמחר במניות אלו.

מתחים בתשתיות ובחומרה

1. הקלה במחסור בכוח מחשוב: שלב אגירת ה-GPUs הראשוני מגיע לסיומו. ענקיות הענן (ההייפרסקיילרים), שרכשו באגרסיביות כל GPU זמין, פונות כעת יותר ויותר להשכרה או למכירה של כוח מחשוב עודף בחזרה לשוק.

2. שחיקה בתשואות השכירות של GPUs: מחירי השכירות בשוק המשני עבור כוח מחשוב בעננים מתמחים (כמו CoreWeave ו-Lambda Labs) מתחילים לרדת, מה שמאותת על כך שהיצע ה-GPUs מדביק את הביקוש.

3. נסיקה בהוצאות ההון (Capex) על דאטה סנטרים: בעוד שמחירי שכירות כוח המחשוב נחלשים, העלות הפיזית להקמת דאטה סנטרים מתקדמים ל-AI זינקה להערכות של כ-15 עד 20 מיליון דולר לכל מגה-וואט (MW).

4. צביטת שולי הרווח הכפולה של ענקיות הענן: ענקיות הענן עומדות בפני שחיקת שולי רווח פוטנציאלית: הן מחויבות להוצאות הון עצומות וארוכות טווח (עלויות הקמה פיזיות גבוהות), בדיוק כשההכנסה ליחידה (תשואת השכירות) על אותם GPUs פיזיים מתחילה להצטמק.

5. נדידת צווארי הבקבוק: נרטיב התשתיות משתנה. המכשול העיקרי אינו עוד השגת GPUs מתקדמים בלבד, אלא התמודדות עם מגבלות של קיבולת רשת החשמל המקומית, מערכות קירור נוזלי מתקדמות וצווארי בקבוק בתקשורת אופטית.

טכניקת שוק ומיצובי מסחר

1. "מומו" הוא AI בתחפושת: סל מניות המומנטום הרחב בשוק (ה-Momentum Factor או "מומו") הפך למעשה לייצוג מרוכז של אקו-סיסטם ה-AI, עם משקל כבד מאוד של מניות סמיקונדקטורס (שבבים), זיכרונות, רכיבים אופטיים ותשתיות חשמל.

2. סיכוני צפיפות מערכתיים (Systematic Crowding): נתוני הפריים ברוקראז' של גולדמן זאקס מצביעים על צפיפות קיצונית של פוזיציות בשרשרת הערך הפיזית של ה-AI, מה שהופך את המניות הללו לרגישות מאוד למהלכי צמצום מינוף מערכתיים (Deleveraging) והנזלות כפויות (Margin Calls).

3. סימנים ראשונים של פירוק הפוזיציות הצפופות: האינדיקטורים הטכניים של השוק מראים סימנים ראשונים של רוטציה (מעבר כספים) מחוץ למניות חומרת ה-AI שסבלו מהקצאת יתר, לעבר סקטורים דפנסיביים ומפגרים מאחור (כמו צריכה בסיסית ומניות ערך) שנותרו מחוץ לראלי של ה-AI.

4. רשת ביטחון ריבונית/גיאופוליטית: בניית התשתיות הפיזיות העצומה של כוח המחשוב נתמכת יותר ויותר על ידי תקציבים מדינתיים ושיקולי ביטחון לאומי, הפועלים לפי לוחות זמנים גיאופוליטיים ולא לפי מדדי ROI מסחריים של חברות.

5. איום דילול ההון: כדי לתמוך ברמות חסרות תקדים אלו של הוצאות הון (Capex), חברות רבות בשרשרת האספקה הרחבה של ה-AI יצטרכו ככל הנראה להסתמך על הנפקות מניות משניות חוזרות ונשנות או על גיוס חוב כבד, מה שיוצר משקולת על שווי המניות ברמת הרווח למניה (EPS).